[논문 리뷰] Reconstruction of Randomly Sampled Sparse Signals Using an Adaptive Gradient Algorithm

Ljubiša Stanković, Miloš Daković|arXiv (Cornell University)|2014. 12. 01.

Sparse and Compressive Sensing Techniques참고 문헌 23인용 수 5

한 줄 요약

이 논문은 시간 도메인에서 누락된 샘플을 최적화 변수로 간주함으로써, 무작위로 샘플링된 누락 데이터로부터 희박 신호를 복원하기 위한 적응형 기울기 알고리즘을 제안한다. 이는 계산 효율성을 크게 향상시키는 새로운 기울기 방향 기반 매개변수 적응 기준을 도입하며, 주어진 누락 샘플 집합에 대해 복원된 신호의 유일성을 검증하는 정리를 제공한다. 통계적 예제를 통해 높은 SRR(111.08 dB)로 검증된다.

ABSTRACT

Sparse signals can be recovered from a reduced set of samples by using compressive sensing algorithms. In common methods the signal is recovered in the sparse domain. A method for the reconstruction of sparse signal which reconstructs the remaining missing samples/measurements is recently proposed. The available samples are fixed, while the missing samples are considered as minimization variables. Recovery of missing samples/measurements is done using an adaptive gradient-based algorithm in the time domain. A new criterion for the parameter adaptation in this algorithm, based on the gradient direction angles, is proposed. It improves the algorithm computational efficiency. A theorem for the uniqueness of the recovered signal for given set of missing samples (reconstruction variables) is presented. The case when available samples are a random subset of a uniformly or nonuniformly sampled signal is considered in this paper. A recalculation procedure is used to reconstruct the nonuniformly sampled signal. The methods are illustrated on statistical examples.

연구 동기 및 목표

• 물리적 제약이나 오염으로 인해 샘플이 누락될 경우 희박 신호를 복원하는 데 도전하는 문제를 해결하기 위해.
• 희박 변환 도메인 대신 시간 도메인에서 누락된 신호 샘플을 계산적으로 효율적으로 복구하기 위한 방법을 개발하기 위해.
• 기울기 방향 각도를 기반으로 한 새로운 기준을 제안하여 기울기 알고리즘의 매개변수 적응을 위한 제어 기준을 개선하고 수렴 속도를 향상시키기 위해.
• 특정한 누락 샘플 집합에 대해 복원된 신호의 유일성 조건을 이론적으로 설정하기 위해.
• 복원 이전에 신호 재계산 절차를 적용하여 비균일 샘플링된 신호로의 방법을 확장하기 위해.

제안 방법

• 누락된 샘플을 변수로, 가용한 샘플을 고정된 제약 조건으로 간주하여 신호 복원을 최적화 문제로 공식화한다.
• 시간 도메인에서 누락된 샘플 값을 조정함으로써 변환 계수의 ℓ₀-노름을 최소화하기 위해 기울기 기반 반복 알고리즘을 사용한다.
• 연속된 기울기 벡터 간의 각도를 기반으로 한 새로운 적응형 스텝 사이즈 규칙을 도입하여 수렴 속도를 향상시킨다.
• 비균일 샘플링된 데이터로부터 균일 샘플링 순간의 신호 값을 재계산하기 위해 샘플링 정리를 적용한다.
• 색인 집합의 이진 분할에서 누락된 샘플 수를 세는 기반으로 한 정리를 활용하여, 주어진 누락 샘플 집합에 대해 유일한 해가 존재하는지 여부를 판단한다.
• 통계적 예제를 사용하여 방법을 검증하고, 정확도 평가를 위해 신호 대 재구성 오차 비율(SRR)을 계산한다.

실험 결과

연구 질문

• RQ1 시간 도메인 최적화 접근법과 적응형 기울기 단계를 사용하여 희박 신호의 누락된 샘플을 효율적으로 복원할 수 있는가?
• RQ2 기울기 방향 기반 매개변수 적응 기준은 이전 방법 대비 재구성 알고리즘의 수렴 속도를 어떻게 향상시키는가?
• RQ3 어떤 조건에서 주어진 누락 샘플 집합에 대해 복원된 희박 신호가 유일한가?
• RQ4 샘플링 정리를 활용해 사전 재계산을 수행함으로써, 비균일 샘플링된 희박 신호를 효과적으로 복원할 수 있는가?
• RQ5 제안된 유일성 정리는 ℓ₁-최소화가 실패할 수 있는 경우에도 유일한 해가 가능하다는 것을 정확히 식별하는가?

주요 결과

• 제안된 기울기 방향 기반 매개변수 적응 기준은 이전 연구에서의 원래 기준 대비 계산 시간을 크게 감소시킨다.
• 재구성된 신호의 SRR(신호 대 재구성 오차 비율)는 111.08 dB에 도달하여 높은 정확도와 정밀도를 나타낸다.
• 유일성 정리는 112개의 누락 샘플이 있는 경우, 신호 희박성이 4 미만이어야 유일한 해가 존재함을 정확히 식별한다. 유일한 해가 존재할 수 있는 경우는 특정 신호 구조가 허용할 경우에 한한다.
• 희박성 s=6이고 112개의 누락 샘플이 있는 특정 신호에 대해, 정리에 의해 확인된 바와 같이 알고리즘이 성공적으로 유일한 신호를 재구성한다.
• 사전 재계산을 통해 균일 샘플링 위치로 변환함으로써 비균일 샘플링된 신호를 효과적으로 처리하고 재구성할 수 있다.
• 알고리즘은 ℓ₀-최소화가 유일한 해를 도출할 수 있지만 ℓ₁-최소화는 실패할 수 있는 경우를 탐지하며, 이는 유일성 정리의 중요성을 부각시킨다.